第 7 模块:在新数据上工作
免费得到更多数据(数据增强)
你以前学过这门课程吗?
这样我们只统计你一次。只会发送你的答案,以及你的匿名进度。
为什么重要 收集数据很昂贵。你常常可以通过以不改变答案的方式改变你已有的样本,来制造更多的数据。
这里的测试数字写得有点偏离中心:最多偏移了一个像素。一个只在居中的数字上训练的模型从没见过这种情况,得分很差。所以加上每个训练数字的偏移副本:标签保持不变,因为一个往左移了一个像素的 3 仍然是 3。
不是每一种改变都是安全的
数据增强的规则是:只做那些保持答案不变的改变。一个镜像翻转的数字不是真实的手写字,而有些翻转会把一个数字变成接近另一个数字的东西。试一试,并留意分数。
数据增强:在你的数据经过改变的副本(平移、小角度旋转、裁剪)上训练,这些副本让标签仍然成立。
本课中的词语和符号
- 数据增强
- 让标签仍然成立的、经过改变的数据副本
轮到你了
编写 shifted_copies(imgs, labs),返回每张图像全部 9 种平移的图像和标签(用 np.roll 向下和横向移动 -1、0 或 +1 个像素)。然后用 fit_and_score 给三次训练打分:plain(只用训练图像)、shifted(你的副本)和 flipped(训练图像加上左右镜像的副本)。把 harmful 设为那个造成损害的训练的名字。
本课已完成。干得好。
这个练习即将开放
完成它前面的那一课,这一课就会解锁。整门课程免费,无需账号,而且你现在就可以阅读这节课。
这个浏览器屏蔽了 learn.floati.life 的 Cookie,所以你在这里完成的课程无法按顺序打开。请允许这个网站使用 Cookie,然后重新加载。